Uma estrutura para classificar táticas de ataque, usada em testes de um agente de detecção de ataques.
Susan Chang, da Elastic, explica como as equipes passaram de avaliações isoladas de agentes de IA para uma estrutura unificada que combina avaliação programática, LLM-as-a-judge e rastreamento aprofundado. A experiência mostra que a automação não elimina a necessidade de especialistas de domínio, especialmente na criação de dados de teste e na calibração das métricas.